pandas 分组数据 统计

使用 Pandas 的 `groupby()` 函数可以对数据进行分组。 例如：

import pandas as pd

# 假设有一个包含多行多列的数据框（DataFrame）
df = pd.DataFrame({'A': [1, 1, 2, 2],
                   'B': [3, 3, 4, 4],
                   'C': [5, 6, 7, 8]})

# 使用 A 列进行分组
grouped = df.groupby('A')

# 对每组数据执行聚合运算（例如求和、平均值等）
print(grouped.sum())
print(grouped.mean())

输出结果如下：

   B   C
A       
1  6  11
2  8  15

A         B         C
1  3.000000  5.500000
2  4.000000  7.000000

上面的代码将数据框按 A 列的值进行了分组，然后对每组数据分别求和和平均值。你也可以使用其他聚合运算，例如 `min()`、`max()`、`count()` 等。

希望这对你有帮助！

相关问题

pandas数据分组统计数量

我们可以使用pandas的`groupby`函数进行数据分组，然后使用`size`函数计算每组数据的数量。例如：

import pandas as pd

# 创建示例数据
df = pd.DataFrame({'A': ['a', 'b', 'c', 'a', 'b', 'c'], 'B': [1, 2, 3, 4, 5, 6]})

# 分组统计数量
df_grouped = df.groupby('A').size()
print(df_grouped)

输出结果为：

A
a    2
b    2
c    2
dtype: int64

如果需要分组统计多列，可以指定多个列进行分组：

df_grouped = df.groupby(['A', 'B']).size()
print(df_grouped)

输出结果为：

A  B
a  1    1
   4    1
b  2    1
   5    1
c  3    1
   6    1
dtype: int64

另外，还可以使用`count`函数进行分组统计，这个函数会统计非空值的数量：

df_grouped = df.groupby('A').count()
print(df_grouped)

输出结果为：

   B
A   
a  2
b  2
c  2

希望这些信息能帮到您！

pandas分组统计unique

可以使用 pandas 的 groupby 方法进行分组统计 unique 值，示例代码如下：

import pandas as pd

# 创建示例数据
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
        'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
        'C': [1, 2, 3, 4, 5, 6, 7, 8]}
df = pd.DataFrame(data)

# 分组统计 unique 值
unique_counts = df.groupby(['A', 'B'])['C'].nunique()

print(unique_counts)

输出结果为：

A    B    
bar  one      1
     three    1
     two      2
foo  one      2
     two      2
Name: C, dtype: int64

其中，unique_counts 是一个 pandas Series 对象，它的索引是分组的键值对，值是对应分组的 unique 值数量。